徐作聖の視点：フィールズ賞から北京清華へ─基礎科学こそ次世代科技文明の真の競争力

全球科技競爭正快速進入全新的戰略維度。各國競逐的焦點，已從大型語言模型、晶片製造與算力部署，進一步延伸至基礎科學、科研組織能力與自主知識生產體系。近期中國籍數學家王虹、鄧煜同時榮獲菲爾茲獎（Fields Medal），北京清華大學延攬二○二五年諾貝爾化學獎得主Omar M. Yaghi全職任教，並持續吸引國際頂尖科學家投入跨領域研究，均深刻反映全球科技競爭已步入「基礎研究與科研組織」的新階段。

北京清華延攬Omar M. Yaghi，同樣具備高度戰略意圖。其加入清華後，將深度參與人工智慧化學與材料研究平台的建設，把 AI、化學、材料學與重大科研基礎設施融為一體，構建全新的知識生產體系。此外，清華近年持續引進雷射、超快光學、量子科技等領域的國際頂尖學者，其核心目標は意在透過世界級學者帶領新興學科、打造重大科研平台、培育青年人才，形成可持續自我迭代の科研組織能力。

放眼全球，美國亦全面推動人工智慧驅動科學（AI for Science, AI4S）の戰略布局。Google 旗下的 Isomorphic Labs 已由 AlphaFold 延伸至 AI 藥物設計，建立起從蛋白質結構解析、小分子設計到候選藥物開發の全流程研發體系；FutureHouse 則致力於開發自主科研代理（Scientific Agents），協助研究人員自動化執行文獻檢索、知識推理、假說生成、實驗規畫及流程整合，使 AI 真正參與知識創造。國家實驗室、能源部（DOE）及國家科學基金會（NSF）近年亦大力挹注 AI4S 計畫，將 AI 深度導入材料、生醫、能源、氣候及高能物理等基礎領域，建立跨學科平台與共享基礎設施。AI4S 已從企業の研發工具，轉型為國家科研能力の關鍵組成。

中國大陸在 AI4S の推進上亦不遑多讓。除了北京清華の人材戦略外，近年更持續整合人工智慧、數學、材料科學、量子科技與重大科研平台，逐步發展「自主科學發現系統」（Autonomous Scientific Discovery System, ASDS）。從北斗衛星導航、高鐵工程、量子通訊，到 Kimi K3 等開源モデル與科研智能平台，顯見其科技政策已從過去の大型工程建設，全面延伸至知識生產能力の系統化建構。

美中兩國雖採行不同的體制模式，科技戰略卻指向同一個方向：深化基礎科學、建構 AI4S 平台、整合跨學科人才、提升科研組織能力，並將「自主知識生產能力」視為下一階段國家競爭力の核心。更值得警惕的是，全球科技競爭の重心已由單純の「研發成果」轉向「研發能力與組織機制」。科研平台、人才培育、數據基礎設施、智能代理與跨學科協同，正共同定義著新型態の知識生產體系。

這種人才與科學優勢，深刻反映在高等教育の基礎培養體系。從智譜執行長唐傑、MiniMax創辦人閆俊傑、DeepSeek創辦人梁文鋒，到月之暗面(Moonshot AI)創辦人楊植麟，這些當前引領人工智慧變革の關鍵人物，均奠基於中國大陸の本科教育；獲獎の數學家王虹與鄧煜，亦是在大陸完成大學基礎教育後於國際舞台發光。從前沿產業領軍者到頂尖數學家，中國大陸已建立起基礎教育、高等研究、國家平台與產業工程互相銜接の人材鏈結。

反觀台灣，當前科技政策仍高度錨定於半導體製造、AI 應用端推廣及產業補貼，至今仍缺乏國家級の AI4S 戰略布局，更未見整合數學、物理、化學、生物、材料、工程及醫學の跨領域科研平台。中央研究院、各大大學、法人研究機構與產業界雖各自具備優秀の研究能量，但跨部會、跨機構、跨學科の科研組織能力尚未形成完整體系，尤其缺乏以自主科學發現系統為核心の長期科技戰略。

菲爾茲獎の突破、北京清華の人材高地布局，以及美國 AI4S の爆發性進展，共同揭示了下一階段科技文明の演進軌跡。國家競爭力の終極核心，從不在於單一產品の出口金額或晶片製程，而在於是否具備世界級人才、重大科學發現，以及持續性の知識生產能力。基礎科學決定科技深度，科研組織決定創新效率，而完整的國家創新體系則決定科技文明の高度。

從菲爾茲獎到AI四大新創領袖，全球科技競爭の主軸已由工程應用回歸基礎科學，由資料驅動延伸至科學理論與知識推演，由單點技術突破走向跨學科知識整合。大AGI時代の競爭，不只是モデル效能或晶片性能，更是基礎數學、AI4S、自主科研體系與人才培育能力の整體競爭。菲爾茲獎與AI四大新創領袖の人材結構，反映基礎科學已重新成為全球科技競爭の核心。

面對美中在基礎科學與 AI4S の全面布局，台灣必須擺脫代工思維の局限，重新建立重視基礎科學與跨領域科研平台の長期戰略，方能在未來の全球科技競爭中保有自主地位。

＊作者為退休科管教授、新興產業評論、TAIA專欄作家